1 คำแนะนำ :

ถ้าคุณดูผ่าน Github แนะนำให้กด Ctrl+F เพื่อไปยังหัวข้อที่สนใจ (ที่บอกมาจาก My Portfolio Website)

2 Load Library

library(knitr) # ใช้สำหรับรันโค้ด R ที่ฝังในเอกสาร Markdown / LaTeX
library(tidyverse) # แพ็คเกจที่รวบรวมเครื่องใช้จัดการข้อมูล และนำเสนอข้อมูล
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.2     ✔ tibble    3.2.1
## ✔ lubridate 1.9.4     ✔ tidyr     1.3.1
## ✔ purrr     1.0.4     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

3 Explore Data

3.1 Data Glimpse

diamonds |> glimpse() # โครงสร้างตาราง diamonds กี่แถว กี่คอลัมน์ ประเภทคอลัมน์
## Rows: 53,940
## Columns: 10
## $ carat   <dbl> 0.23, 0.21, 0.23, 0.29, 0.31, 0.24, 0.24, 0.26, 0.22, 0.23, 0.…
## $ cut     <ord> Ideal, Premium, Good, Premium, Good, Very Good, Very Good, Ver…
## $ color   <ord> E, E, E, I, J, J, I, H, E, H, J, J, F, J, E, E, I, J, J, J, I,…
## $ clarity <ord> SI2, SI1, VS1, VS2, SI2, VVS2, VVS1, SI1, VS2, VS1, SI1, VS1, …
## $ depth   <dbl> 61.5, 59.8, 56.9, 62.4, 63.3, 62.8, 62.3, 61.9, 65.1, 59.4, 64…
## $ table   <dbl> 55, 61, 65, 58, 58, 57, 57, 55, 61, 61, 55, 56, 61, 54, 62, 58…
## $ price   <int> 326, 326, 327, 334, 335, 336, 336, 337, 337, 338, 339, 340, 34…
## $ x       <dbl> 3.95, 3.89, 4.05, 4.20, 4.34, 3.94, 3.95, 4.07, 3.87, 4.00, 4.…
## $ y       <dbl> 3.98, 3.84, 4.07, 4.23, 4.35, 3.96, 3.98, 4.11, 3.78, 4.05, 4.…
## $ z       <dbl> 2.43, 2.31, 2.31, 2.63, 2.75, 2.48, 2.47, 2.53, 2.49, 2.39, 2.…

3.2 Preview Data

ตาราง diamonds เป็นชุดข้อมูลเกี่ยวกับเพชร ที่เป็นตัวช่วยดูราคาเพชรโดยมีคอลัมน์ ต่อไปนี้

Cols Description Type
carat น้ำหนักของเพชร มีหน่วยเป็น “กะรัต” (carats) หน่วยวัดน้ำหนักเพชร Numeric
cut ระดับคุณภาพการเจียระไน (cut quality) เช่น Fair, Good, Very Good, Premium, Ideal (เรียงจากต่ำไปสูง) Ordered Factor
color สีของเพชร (D ถึง J โดยที่ D คือใสที่สุด) Ordered Factor
clarity ระดับความใสของเพชร โดยดูจากตำหนิหรือจุดบกพร่อง (I1, SI2, SI1, VS2, VS1, VVS2, VVS1, IF เรียงจากตำหนิชัดเจนถึงไม่มีเลย) Ordered Factor
depth อัตราส่วนระหว่างความลึกของเพชรกับเส้นผ่านศูนย์กลางเฉลี่ย มีหน่วยเป็นเปอร์เซ็นต์ (%): (z / mean(x, y)) * 100 Numeric
table ความกว้างของโต๊ะเพชร (ส่วนเรียบด้านบนของเพชร) เทียบกับเส้นผ่านศูนย์กลางเฉลี่ย มีหน่วยเป็นเปอร์เซ็นต์ (%) Numeric
price ราคาของเพชร มีหน่วยเป็นดอลลาร์สหรัฐ Integer
x ความยาว (length) ของเพชรในหน่วยมิลลิเมตร Numeric
y ความกว้าง (width) ของเพชรในหน่วยมิลลิเมตร Numeric
z ความลึก (depth) ของเพชรในหน่วยมิลลิเมตร Numeric

  • ขยายความหมาย: depth : ( z / mean(x, y)) * 100

    • ค่านี้แสดงถึง ความสมดุลของรูปร่างเพชร:

      • ค่า depth ต่ำเกินไป: เพชรอาจแบนเกินไป

      • ค่า depth สูงเกินไป: เพชรอาจลึกหรือหนาเกินไป

    • ค่าที่เหมาะสมสำหรับ เพชรทรงกลม (round cut) มักอยู่ที่ประมาณ 59-62% เพื่อให้เพชรมีประกายดีที่สุด

diamonds |> head() |> kable() # ดู 6 แถวแรก(ไม่รวมหัวตาราง) kable ปรับตารางให้ดูเหมาะสม
carat cut color clarity depth table price x y z
0.23 Ideal E SI2 61.5 55 326 3.95 3.98 2.43
0.21 Premium E SI1 59.8 61 326 3.89 3.84 2.31
0.23 Good E VS1 56.9 65 327 4.05 4.07 2.31
0.29 Premium I VS2 62.4 58 334 4.20 4.23 2.63
0.31 Good J SI2 63.3 58 335 4.34 4.35 2.75
0.24 Very Good J VVS2 62.8 57 336 3.94 3.96 2.48 
diamonds |> tail() |> kable()# ดู 6 แถวท้าย(ไม่รวมหัวตาราง) kable ปรับตารางให้ดูเหมาะสม
carat cut color clarity depth table price x y z
0.72 Premium D SI1 62.7 59 2757 5.69 5.73 3.58
0.72 Ideal D SI1 60.8 57 2757 5.75 5.76 3.50
0.72 Good D SI1 63.1 55 2757 5.69 5.75 3.61
0.70 Very Good D SI1 62.8 60 2757 5.66 5.68 3.56
0.86 Premium H SI2 61.0 58 2757 6.15 6.12 3.74
0.75 Ideal D SI2 62.2 55 2757 5.83 5.87 3.64

3.3 Duplicate Rows

diamonds |> distinct() |> count() !=  diamonds |> count() # ตรวจสอบว่ามีแถวซ้ำกันไหม TRUE มี, False ไม่มี
##         n
## [1,] TRUE

3.3.1 View Only Duplicate Rows

# ดูเฉพาะแถวที่ซ้ำ
diamonds |> 
  group_by(across(everything())) |> # group โดยใช้ทุกคอลัมน์
  filter(n() > 1) # เลือกเฉพาะกลุ่มที่มีแถวมากกว่า 1 ⇒ นั่นคือแถวที่ซ้ำกัน

3.3.2 View Only Unique Rows

# ดูเฉพาะแถวที่ไม่ซำ (ไม่รวมแถวซ้ำ)
diamonds |> 
  group_by(across(everything())) |> # group โดยใช้ทุกคอลัมน์
  filter(n() == 1) # เลือกเฉพาะแถวที่ไม่ซ้ำกันเท่านั้น

3.3.3 Identify Duplicates with Counts

# ดูเฉพาะแถวที่ซ้ำว่ามีกี่แถว แต่ละแถวซ้ำกันกี่ครั้ง
diamonds |> 
  group_by(across(everything())) |> 
  tally() |> 
  filter(n > 1)  # แสดงเฉพาะแถวที่ซ้ำ

3.3.4 Remove Duplicate Rows (Keeping First Instance)

diamonds |> distinct() # ลบเฉพาะแถวซ้ำ แต่ยังคงไว้แค่แถวแรกไว้

3.4 Explore NA

3.4.1 Rows with at least one NA in any column

diamonds |> filter(if_any(everything(), is.na)) # เลือกแถวที่มีค่า NA อย่างน้อย 1 คอลัมน์

3.4.2 Columns with at least one NA in any row

diamonds |> select(where(~ any(is.na(.)))) # เลือกคอลัมน์ที่มี NA อย่างน้อย 1 แถว

4 Clensing Diamonds Data

# ลบแถวซ้ำ
prep_diamonds <- diamonds |> distinct()
prep_diamonds

4.1 Check Duplicate Rows

# ตรวจสอบว่ามีแถวซ้ำกันไหม TRUE มี, False ไม่มี
prep_diamonds |> distinct() |> count() !=  prep_diamonds |> count()
##          n
## [1,] FALSE

5 Visualize Diamonds Data

# สร้างธีมที่เราต้องการเป็นมาตรฐานในการแสดงผล
custom_theme <- theme_linedraw() +
  theme(
    # Darker plot title
    plot.title = element_text( # ชื่อหัวข้อของกราฟ
      face = "bold",          # เป็นตัวหนา
      size = rel(1.1),        # 110% ของขนาดฟอนต์ปกติ เทียบกับค่า default ของธีม
      color = "black",        # ฟอนด์สีดำ
      margin = margin(b = 10) # ระยะห่างจากด้านล่าง title กับ subtitle หรือกราฟ 10 pt
    ),
    # Darker subtitle
    plot.subtitle = element_text( # ชื่อหัวข้อย่อยลงมา
      size = rel(0.9),        # 90% ของขนาดฟอนต์ปกติ เทียบกับค่า default ของธีม
      color = "#2F4F4F",      # Dark slate gray
      margin = margin(b = 15) # ระยะห่างจากด้านล่าง title กับ subtitle หรือกราฟ 15 pt
    ),
    # Darker caption
    plot.caption = element_text( # ชื่อแหล่งที่มามุมล่างขวา
      size = 8,               # ขนาด 8 pt
      color = "#4A4A4A",      # Darker gray
      margin = margin(t = 10) # ระยะห่างจากด้านบน title กับ subtitle หรือกราฟ 15 pt
    ),
    # Darker axis titles
    axis.title = element_text( # ชื่อแกน
      size = 11,          # ขนาด 11 pt
      color = "#1C1C1C",  # Very dark gray
      face = "bold"       # ตัวหนา
    ),
    # Darker axis text
    axis.text = element_text( # เลขบนแกน
      size = 9,          # ขนาด 9 pt
      color = "#2F4F4F"  # Dark slate gray
    ),
    # Customize facet labels
    strip.text = element_text( # ชื่อแกน x, y บน facet
      size = 10,          # ขนาด 10 pt
      color = "white",    # สีขาว
      face = "bold"       # ตัวหนา
    ),
    strip.background = element_rect( # กำหนดพื้นหลังชื่อแกน facet
      fill = "#2F4F4F",  # กำหนดสีพื้นหลังของชื่อแกน facet
      color = "black"    # สีขอบพื้นหลังของชื่อแกน facet
    ),
    # Darker panel elements
    panel.grid.major = element_line( # เส้นกริดหลัก (เส้นใหญ่) บนพื้นหลังกราฟ (แนวนอน-แนวตั้ง)
      color = "#BEBEBE",  # Medium gray
      size = 0.3          # ความบาง-หนา ยิ่งเข้าใกล้ 1 ยิ่งหนามาก
    ),
    panel.grid.minor = element_line( # เส้นกริดรอง (เส้นเล็ก) บนพื้นหลังกราฟ (แนวนอน-แนวตั้ง)
      color = "#D3D3D3",  # Light gray
      size = 0.2          # ความบาง-หนา ยิ่งเข้าใกล้ 1 ยิ่งหนามาก
    ),
    panel.border = element_rect( # เส้นขอบภายในแกนวาดกราฟเท่านั้น
      color = "black",    # สีดำ
      size = 0.8          # ความบาง-หนา ยิ่งเข้าใกล้ 1 ยิ่งหนามาก
    ),
    # Add margin around the plot
    # กำหนดให้ element ทั้งหมดภายใน canvas top, right, bottom, left ห่าง 15 pt
    plot.margin = margin(15, 15, 15, 15), 
    panel.background = element_rect( # พื้นหลังภายในแกนเท่านั้น
      fill = "white"  # เป็นสีขาว
    )
  )

5.1 Distribution of price groups of diamonds by Density, Table.

5.1.1 Table: Price Ranges of Diamonds

# สร้างตารางความถี่ของราคาเพขร
prep_diamonds %>%
  mutate( # สร้างคอลัมน์ใหม่
    price_range = cut( # ชื่อคอลัมน์ใหม่ price_range โดยการแบ่งช่วงราคา
      # นำ price มาสร้างจุดแบ่ง(break) ทีละ 500 เช่น 0, 500, 1000, ..,  18000 18500(max)
      price, breaks = seq(0, max(price), by = 500),
      labels = paste(
        seq(0, max(price) - 500, by = 500), 
        seq(500, max(price), by = 500), sep = "-" 
      ) # สร้าง labels เพื่อบอกว่าคอลัมน์ price อยู่ช่วงราคาเพชรไหนด้วย ขอบบน-ขอบล่าง
    )
  ) %>%
  count(price_range) %>% # นับเพชรในแต่ละช่วงราคา
  head(10) %>% # เลือก 10 แถวบนสุด
  # ทำเป็นตารางที่ดูเหมาะสมขึ้น พร้อมเปลี่ยนชื่อคอลัมน์ใหม่
  kable(col.names = c("Price Range ($)", "Number of Diamonds"))
Price Range ($) Number of Diamonds
0-500 1745
500-1000 12725
1000-1500 5463
1500-2000 4194
2000-2500 3332
2500-3000 2789
3000-3500 2159
3500-4000 2056
4000-4500 2470
4500-5000 2183

5.1.2 Density: Price Ranges of Diamonds

# Density Chart ดูการกระจายตัวของช่วงราคาเพชร
prep_diamonds %>%
  ggplot(aes(price)) + # กำหนดแกน x เป็น price
  geom_density(fill = "#4682B4", alpha = 0.7) + # ลงสีพื้นที่ใต้ดราฟเป็นสีออกนำ้เงิน ค่อนไปทางเข้มๆ
  custom_theme + # ปรับแต่งธีมของ Chart ตามตัวอย่างแรก
  theme(plot.background = element_rect(fill = "#f5e19f")) + # เพิ่มสีของ canvas เป็นสีครีม
  labs(title = "Price Distribution of Diamonds",# ชื่อของ Chart การกระจายตัวราคาเพชร
       # กำหนดหัวข้อรองลงมาว่าจำนวนเพชรมากสุดอยู่ที่ช่วงไหน
       subtitle = "The $500-$1000 price range has the largest number of diamonds.",
       caption = "Source: ggplot Package", # เพิ่ม caption มุมล่างขวาของ canvas
       x = "Diamond Price Range",  # ชื่อแกน x
       y = "Number of Diamonds")  # ชื่อแกน y

5.2 Sub-Diagram of Diamond Price Groups, Divided by cut.

# Density Chart ดูการกระจายตัวของช่วงราคาเพชร แบ่งตามเกรด fair, good, very good, premium, Ideal
prep_diamonds %>%
  ggplot(aes(price)) + # กำหนดแกน x เป็น price
  geom_density(fill = "#4682B4", alpha = 0.7) + # ลงสีพื้นที่ใต้ดราฟเป็นสีออกนำ้เงิน ค่อนไปทางเข้มๆ
  custom_theme + # ปรับแต่งธีมของ Chart ตามตัวอย่างอรก 
  theme(plot.background = element_rect(fill = "#f5e19f")) + # เพิ่มสีของ canvas เป็นสีครีม
  labs(title = "Price Distribution of Diamonds",# ชื่อของ Chart การกระจายตัวราคาเพชร
       # กำหนดหัวข้อรองลงมาว่าจำนวนเพชรมากสุดอยู่ที่ช่วงไหน
       subtitle = "The $500-$1000 price range has the largest number of diamonds.",
       caption = "Source: ggplot Package", # เพิ่ม caption มุมล่างขวาของ canvas
       x = "Diamond Price Range",  # ชื่อแกน x
       y = "Number of Diamonds") +  # ชื่อแกน y
  facet_wrap(~ cut)  # แบ่งตามเกรด

5.3 Depth Distribution Across Diamond Cut Quality.

5.3.1 Boxplot: Comparing Depth Values for Cut Quality

# Box plot ดูการกระจายตัวของ รูปร่างของเพชรที่มีค่ามากกว่า 60 %
prep_diamonds %>%
  # กรอง สัดส่วนของความลึก เทียบกับเส้นผ่านศูนย์กลางของเพชรมากกว่า 60% ขึ้นไป
  filter(depth > 60) %>%
  # กำหนดแกน x, y เป็น cut, depth ตามลำดับ เติมสีแยกกันตาม cut
  ggplot(aes(cut, depth, fill = cut)) +
  geom_boxplot() + # กำหนด Box Plot
  custom_theme +  # ปรับแต่งธีมของ Chart ตามตัวอย่างแรก
  theme(plot.background = element_rect(fill = "#f5e19f")) + # เพิ่มสีของ canvas เป็นสีครีม
  labs(  # ชื่อของ Chart การกระจายตัวราคาเพชร
    # กำหนดชื่อหัวข้อใหญ่
    title = "Depth Distribution Across Diamond Cut Quality",
    # กำหนดหัวข้อรองลงมา
    subtitle = "Comparing Depth Values for 'Fair', 'Good', 'Very Good', 'Premium' and 'Ideal' Cuts",
    caption = "Source: ggplot2 Diamonds Dataset",  # เพิ่ม caption มุมล่างขวาของ canvas
    x = "Cut Quality",  # ชื่อแกน x
    y = "Depth Percentage (%)"  # ชื่อแกน y
  )

5.3.2 Scatter: Dist. of Diamond Shapes with Prices by Diamond Color

# Scatter plot ดูการกระจายตัวของ รูปร่างของเพชรที่มีค่ามากกว่า 50%
prep_diamonds %>%
  # กรอง สัดส่วนของความลึก เทียบกับเส้นผ่านศูนย์กลางของเพชรมากกว่า 50% ขึ้นไป
  filter(depth > 50) %>%
  # กำหนดแกน x, y เป็น depth, price ตามลำดับ เติมสีแยกกันตาม color
  ggplot(aes(depth, price, color = color)) +
  geom_point() +  # กำหนด Scatter Plot
  facet_wrap(~ cut) +  # แบ่งตามเกรด
  custom_theme +  # ปรับแต่งธีมของ Chart ตามตัวอย่างแรก
  theme(plot.background = element_rect(fill = "#f5e19f")) + # เพิ่มสีของ canvas เป็นสีครีม
  labs(
    # กำหนดชื่อหัวข้อใหญ่
    title = "Dist. of Diamond Shapes with Prices by Diamond Color",
    # กำหนดหัวข้อรองลงมา
    subtitle = "Provided by Cut Quality",
    caption = "Source: ggplot2 Diamonds Dataset",  # เพิ่ม caption มุมล่างขวาของ canvas
    x = "Depth Percentage (%)",  # ชื่อแกน x
    y = "Price ($USD)"  # ชื่อแกน y
  )

ขอเสริมข้อ 5.3 Depth Distribution Across Diamond Cut Quality.

จาก chart ที่แสดง boxplot ความสัมพันธ์ระหว่าง depth (ความลึกของเพชร) และ cut (คุณภาพการเจียระไนของเพชร)

เราสามารถตั้งชื่อ labels

-   Title
    
    -   Depth Distribution Across Diamond Cut Quality
    
    -   (แสดงการกระจายตัวของความลึกในแต่ละระดับคุณภาพการเจียระไน)

-   Subtitle
    
    -   Comparing Depth Values for 'Fair', 'Good', 'Very Good', 'Premium', and 'Ideal' Cuts
    
    -   (เปรียบเทียบค่าความลึกในแต่ละคุณภาพการเจียระไน)

-   Caption
    
    -   Source: ggplot2 Diamonds Dataset
    
    -   (ระบุแหล่งข้อมูลจาก dataset)

-   x
    
    -   Cut Quality

    -   (แสดงคุณภาพการเจียระไน)

-   y
    
    -   Depth Percentage (%)

    -   (ระบุสัดส่วนความลึกของเพชร)

5.4 Correlation Between Carat and Diamond Price.

# Scatter Plot vs. Line Chart ดูความสัมพันธ์น้ำหนักเพชรกับราคาเพชร แบ่งตาม clarity, cut
prep_diamonds %>%
  filter(
    clarity %in% c("VS1", "VVS2", "VVS1", "IF"), # clarity ที่มี VS1, VVS2, VVS1, IF
    color %in% c("G", "E", "F"), # color มี G, E, F
    cut %in% c("Ideal", "Premium", "Very Good") #  cut Ideal, Premium, Very Good
  ) %>%
  # กำหนดแกน x, y เป็น carat, price ตามลำดับ เติมสีแยกกันตาม clarity
  ggplot(aes(carat, price, col = clarity)) +
  geom_point() +  # กำหนด Scatter Plot
  geom_smooth(method = "lm", col = "red") + # สร้าง LR สีแดง carat vs. price
  # แยก cut ตามแนวแกน x และแยก color ตามแนวแกน y
  facet_grid(color ~ cut) + 
  custom_theme +  # ปรับแต่งธีมของ Chart ตามตัวอย่างแรก
  theme(plot.background = element_rect(fill = "#f5e19f")) + # เพิ่มสีของ canvas เป็นสีครีม
  labs(
    title = "Correlation Between Carat and Diamond Price", # กำหนดชื่อหัวข้อใหญ่
    subtitle = "The overall correlation coefficient is 0.9215913.",# กำหนดหัวข้อรองลงมา
    caption = "Source: ggplot2 Diamonds Dataset",  # เพิ่ม caption มุมล่างขวาของ canvas
    x = "Weigth (Carats)",  # ชื่อแกน x
    y = "Price ($USD)"  # ชื่อแกน y
  )